随着三维数据获取、三维图形建模、以及计算机硬件技术的飞速发展, 3D模型在越来越多的领域得到广泛应用。3D模型的设计也从“如何构造3D模型”向“如何从现有的3D模型中检索出合适的3D模型以便加以利用”转变,因此3D模型检索技术得到越来越多研究人员的重视。常用的3D模型检索技术分为基于文本的检索和基于内容的检索,而后者又进一步分为直接基于特征的检索和基于形状描述的检索。现有检索方法各有各的优点,但是普遍存在计算复杂而检索效果不够理想的问题。本文基于这样一个出发点:具有相似形状的3D模型具有相似的特征分布,而特征分布又与特征的概率密度紧密联系。进而利用3D模型特征的概率密度对3D模型进行检索,称为基于概率密度的基本检索方法。该方法以3D模型表面特征的高斯核密度作为对3D模型的形状描述,然后利用明可夫斯基距离作为距离度量函数,计算3D模型之间的相似度从而实现检索。该检索方法不需要对3D模型进行任何形式的切分、变换或者拓扑图构造,实现方便。本文还在基本检索方法的基础上,针对基本检索方法的不足,进一步提出一种分层检索的方法,称为基于概率密度的分层检索方法。该方法首先利用相对低阶的特征进行初步检索排除一部分与待检索模型形状差异明显的模型,然后再利用相对高阶的特征进行进一步检索。该方法不需要对所有3D模型计算所有特征的概率密度,弥补了基本检索方法的不足,可以减少计算量,并且在相同查全率下查准率更高本文采用普林斯顿大学三维模型基准测试数据库的子集作为实验数据,以查全率和查准率对检索效果进行衡量。实验表明:基于概率密度的检索方法相对传统检索方法具有更好的检索效果,尤其当查全率较小时,基于概率密度的检索方法的查准率更高;而在相同查全率的情况下,分层检索的查准率相对基本检索的查准率更高,并且计算量也更小。本文基于概率密度的检索方法是对传统3D模型检索方法的一种补充,能够为模型数目越来越多、模型种类越来越丰富的3D模型检索研究做出贡献。